R使用read.table读取含特殊字符的txt格式dataframe乱码如何解决

你遇到的Â异常字符是典型的编码解析错误：原始txt为UTF-8编码，read.table默认调用系统默认编码（多为Latin-1/ISO-8859-1）解析，双字节UTF-8特殊符号被拆分为两个单字节字符，就会额外出现Â。

方案1：读取阶段直接规避 #

在调用read.table时显式指定编码为UTF-8，从根源避免解析错误：

read.table("你的文件路径.txt", encoding = "UTF-8", stringsAsFactors = FALSE)

Windows系统下如果仍有异常，可以把参数改为encoding = "UTF-8-BOM"重试。

方案2：已读入数据的快速修复 #

如果数据已经导入R环境不想重新读取，可以直接用iconv对指定列转码：
假设你的数据框名为df，存储转写内容的列名为transcript，执行以下代码即可：

df$transcript <- iconv(df$transcript, from = "ISO-8859-1", to = "UTF-8")

可选补充：HTML转义符还原 #

如果你的转写内容包含>、<这类HTML转义符，需要额外做转义还原，可以用textutils包的对应功能：

# 第一次使用先安装包
install.packages("textutils")
df$transcript <- textutils::HTMLdecode(df$transcript)

导出注意事项 #

后续导出修复后的数据时，也需要指定UTF-8编码避免二次出现编码问题，调用write.table时添加fileEncoding = "UTF-8"参数即可。

内容的提问来源于stack exchange，提问作者Alexander Ptak